原文服务方: 微电子学与计算机       
摘要:
从读者的角度对文本情感进行分类。训练样本集以新闻文章作为样本实例,以文章后读者的投票信息作为样本类别标注的先验知识。针对该不完备的数据集提出了一种半监督学习的分类模型,分类方法采用朴素贝叶斯分类法和EM算法相结合。实验证明该方法不仅简单有效,而且具有较高的分类性能。
推荐文章
基于复杂句式短文本情感分类研究
文本信息处理
情感分析
复杂句式
word2vec
情感分类模型
SVM
基于fcmpCNN模型的网络文本情感多分类标注
情感分析
情感多分类标注
卷积神经网络
结合情感词网的中文短文本情感分类
同义词
情感词网
情感分类
短文本
一种基于情感词典和朴素贝叶斯的中文文本情感分类方法
文本情感分类
朴素贝叶斯
情感词典
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于读者视角的文本情感分类
来源期刊 微电子学与计算机 学科
关键词 情感分类 情感标签 期望最大化算法 朴素贝叶斯 后验概率
年,卷(期) 2014,(10) 所属期刊栏目
研究方向 页码范围 122-125,129
页数 5页 分类号 TN402
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 卢露 上海电力学院计算机科学与技术学院 7 30 4.0 5.0
2 魏登月 武汉大学计算机科学与技术学院 5 12 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (1)
二级引证文献  (1)
1977(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
情感分类
情感标签
期望最大化算法
朴素贝叶斯
后验概率
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导